A seguito della selezione delle serie valide per lo studio in esame (v. capitolo 4) l’analisi finale per Alternaria, è stata condotta su 53 stazioni di monitoraggio, distribuite in 16 regioni italiane. Il campione possiede una consistenza numerica sufficiente, ma le stazioni sono prevalentemente ubicate nelle regioni del centro Nord. Sono comunque rappresentate le principali aree climatiche del paese, su un periodo sufficientemente lungo da poter apprezzare eventuali tendenze di fondo di riduzione o aumento della concentrazione, con adeguata confidenza della stima.
A causa delle naturali variazioni fenologiche, le oscillazioni interannuali sono piuttosto ampie, a conferma del fatto che le valutazioni fatte confrontando anni adiacenti anziché analizzare serie storiche di lungo periodo, non consentono in alcun modo di apprezzare eventuali tendenze di fondo. Da questa prima disamina appare evidente quanto l’approccio qualitativo sia poco indicativo delle tendenze in atto, pur permettendo di evidenziare macroscopicamente alcune tendenze generali. Queste osservazioni comunque rafforzano la necessità di eseguire con sistematicità un’analisi statistica dei trend, e l’opportunità di implementare un metodo di destagionalizzazione, per minimizzare l’effetto delle oscillazioni interannuali dovute alle differenze riscontrabili nei vari anni rispetto al ciclo stagionale medio.
Nelle tabelle 5.9.1 e 5.9.2 sono riportati i risultati dell’analisi dei trend eseguita con il metodo di Mann-Kendall corretto per la stagionalità, descritto nella sezione metodi.
Le stazioni che presentano un trend statisticamente significativo sono 39 su 53. Di queste 30 mostrano un trend crescente, le restanti 9 un trend in diminuzione.
Negli altri casi (14 stazioni di monitoraggio su 53) non è stato possibile escludere l’ipotesi nulla (assenza di trend) per il dato livello di confidenza (95%).
Tabella 5.9.1 –Alternaria - sintesi dei risultati dell’analisi del trend di concentrazione (Fonte: Elaborazione ISPRA su dati POLLnet e Università di Tor Vergata).
ALTERNARIA
Riepilogo Trend (2010-2019) N. Stazioni
Totali 53
Significative 39
Non significative 14
Trend Positivo 30
Trend negativo 9
Variazione media annuale Δy (Spore m-3y-1)
Min -1.11
Max 9.84
Δy: variazione media annuale stimata sulla base dei risultati del test di Kendall corretto per la stagionalità.
Nella figura 5.9.1 sono riportati su mappa i risultati dell’analisi dei trend per ciascuna stazione di monitoraggio considerata mentre nelle figure 5.9.2 e seguenti sono rappresentati gli andamenti per ogni singola stazione.
È interessante analizzare i dati su ambiti territoriali ridotti laddove sono disponibili stazioni multiple (in questo caso è stata scelta l’area provinciale, per aumentare la probabilità di avere almeno due punti di misura, in un contesto sufficientemente omogeneo dal punto di vista delle sorgenti e delle condizioni climatiche): nella maggior parte dei casi le stazioni ubicate nel territorio di una stessa provincia mostrano un trend coerente tra loro, supportando l’ipotesi che il trend non sia dovuto a situazioni locali, ma possa essere indicativo di una tendenza generale, nel territorio in esame.
Tabella 5.9.2 – Alternaria - risultati dell’analisi del trend con il test di Kendall corretto per la stagionalità (Fonte: Elaborazione ISPRA su dati POLLnet e Università di Tor Vergata).
ALTERNARIA
Regione Codice Stazione pstars p y (Spore m-3 y-1) Significatività Trend Periodo
Piemonte
AL6 Alessandria *** 0 0.699812705 Sì Crescente 2010-2019 CN1 Cuneo 0.540901503 -0.050546119 No - 2010-2019 NO1 Novara *** 0 0.945669123 Sì Crescente 2010-2019 VB1 Omegna 0.684474124 -0.027136651 No - 2010-2019 VC1 Vercelli *** 0 1.479771067 Sì Crescente 2010-2019 Valle d'Aosta AO2 Aosta - St. Christophe *** 0 1.494506809 Sì Crescente 2010-2019 AO3 Cogne - Gimillan 0.217028381 0.188097238 No - 2010-2019 Trentino Alto Adige BZ2 Bolzano 0.404006678 0.057324596 No - 2010-2019 BZ3 Brunico *** 0 0.222375407 Sì Crescente 2010-2019 BZ4 Silandro * 0.010016694 0.217531964 Sì Crescente 2010-2019 TN2 San Michele all'Adige *** 0 0.753854738 Sì Crescente 2010-2019
Veneto
BL1 Belluno * 0.026711185 0.155709172 Sì Crescente 2010-2019 BL4 Feltre * 0.030050083 0.176657165 Sì Crescente 2010-2019 PD2 Padova *** 0 2.302589246 Sì Crescente 2010-2019 RO1 Rovigo *** 0 9.844727848 Sì Crescente 2010-2019 TV1 Treviso *** 0 1.599716114 Sì Crescente 2010-2019 VE1 Venezia Mestre *** 0 5.315392048 Sì Crescente 2010-2019 VI1 Vicenza *** 0 5.403526825 Sì Crescente 2010-2019 VR1 Verona * 0.010016694 1.357316778 Sì Crescente 2010-2019 Friuli Venezia Giulia PN1 Pordenone *** 0 0.568105853 Sì Crescente 2010-2019 TS1 Trieste *** 0 0.200493727 Sì Crescente 2010-2019 UD1 Lignano Sabbiadoro 0.193656093 0.158738162 No - 2010-2019 UD3 Tolmezzo *** 0 0.268669444 Sì Crescente 2010-2019
Liguria
GE4 Genova - Dip. provinciale 0.484140234 -0.015017841 No - 2010-2019 IM3 Imperia - Arpal Dip. di Imperia ** 0.003338898 -0.126466079 Sì Decrescente 2010-2019 SP2 La Spezia * 0.046744574 -0.023719119 Sì Decrescente 2010-2019 SV4 Savona *** 0 0.23258262 Sì Crescente 2010-2019
Emilia Romagna
BO1 Bologna *** 0 0.399929149 Sì Crescente 2010-2019 BO3 San Giovanni in Persiceto * 0.016694491 -0.334207751 Sì Decrescente 2010-2019 FE1 Ferrara * 0.046744574 0.311629941 Sì Crescente 2010-2019 FO1 Forlì 0.988313856 0.012797627 No - 2010-2019 FO2 Cesena *** 0 0.740257782 Sì Crescente 2010-2019 MO1 Modena 0.170283806 0.237879044 No - 2010-2019 PC1 Piacenza *** 0 0.727295911 Sì Crescente 2010-2019 PR2 Parma 0.140233723 -0.363510792 No - 2010-2019 RA3 Ravenna + 0.093489149 0.108308171 No - 2010-2019 RE1 Reggio Emilia 0.707846411 -0.0816934 No - 2010-2019 RN1 Rimini *** 0 1.674008673 Sì Crescente 2010-2019 Toscana FI1 Firenze * 0.010016694 -0.211204813 Sì Decrescente 2010-2019 LU1 Lido di Camaiore 0.821368948 -0.024831128 No - 2010-2019 Umbria
CC1 Città di Castello *** 0 0.780918173 Sì Crescente 2010-2019 PG1 Perugia *** 0 0.581544299 Sì Crescente 2010-2019 TR1 Terni *** 0 1.176995143 Sì Crescente 2010-2019 Marche AP4 Castel di Lama *** 0 -0.815004174 Sì Decrescente 2010-2019 Lazio RM5 Roma Tor Vergata *** 0 -1.114169616 Sì Decrescente 2010-2019 RM6 Roma San Pietro *** 0 -0.595231544 Sì Decrescente 2010-2019 Abruzzo AQ2 L'Aquila 0.333889816 0.263544137 No - 2010-2019 PE1 Pescara *** 0 1.838025876 Sì Crescente 2010-2019 Molise CB1 Campobasso *** 0 0.190398858 Sì Crescente 2010-2019 CB2 Termoli *** 0 0.455214974 Sì Crescente 2010-2019 Campania
BN1 Benevento - Via Calandra - - - - - -
CE6 Caserta - Piazza Vanvitelli - - - - - -
NA3 Napoli - Via don Bosco - - - - - -
Puglia BR1 Brindisi * 0.030050083 -0.61420164 Sì Decrescente 2010-2019 Basilicata PZ1 Potenza * 0.03672788 -0.180895957 Sì Decrescente 2010-2019 Calabria RC1 Reggio Calabria 0.337228715 0.420826711 No - 2013-2019 Nota - I simboli mostrati nella colonna pstar indicano la significatività statistica della stima: (***) per p < 0,001 ; (**) per 0,001 < p < 0,01; (*) per 0,01 < p < 0,05; (+) 0,05 < p < 0,1. Il trend osservato è statisticamente significativo per p < 0,05.
Figura 5.9.1- Urticaceae 2010-2019, rappresentazione dei risultati dell’analisi del trend con il test di Kendall corretto per la stagionalità (Fonte: Elaborazione ISPRA su dati POLLnet e Università di Tor Vergata).
Figura 5.9.2 – Alternaria, andamenti 2010-2019 delle stazioni del Piemonte, Valle d’Aosta e Trentino Alto Adige (Fonte: Elaborazione ISPRA su dati POLLnet e Università di Tor Vergata).
Figura 5.9.3 – Alternaria, andamenti 2010-2019 delle stazioni del Veneto e Friuli Venezia Giulia (Fonte: Elaborazione ISPRA su dati POLLnet e Università di Tor Vergata).
Figura 5.9.4 – Alternaria, andamenti 2010-2019 delle stazioni dell’Emilia Romagna (Fonte: Elaborazione ISPRA su dati POLLnet e Università di Tor Vergata).
Figura 5.9.5 – Alternaria, andamenti 2010-2019 delle stazioni della Liguria, Toscana, Umbria, Marche e Lazio (Fonte: Elaborazione ISPRA su dati POLLnet e Università di Tor Vergata).
Figura 5.9.6 – Alternaria, andamenti 2010-2019 delle stazioni dell’Abruzzo, Molise, Campania, Puglia, Basilicata e 2013-2019 della Calabria (Fonte: Elaborazione ISPRA su dati POLLnet e Università di Tor Vergata).
6. CONCLUSIONI
La ricerca scientifica e la normativa internazionale in tema di inquinamento atmosferico sono, ancora oggi, tipicamente indirizzate alla valutazione delle singole sostanze e dei loro effetti specifici: poco si sa dell’effetto cumulativo che più inquinanti presenti in aria ambiente nello stesso intervallo di tempo, a livelli di concentrazione elevati, possono avere sulla salute umana. Meno ancora è studiata la possibile azione combinata degli inquinanti tradizionali con quella frazione granulometrica di materiale particolato di natura biologica (tipicamente con diametro aerodinamico vicino o superiore a 10 µm), composta da pollini e spore e che sembra avere conseguenze crescenti, in termini di allergie e asma, sugli abitanti dei centri urbani.
Tuttavia, negli ultimi anni, la consapevolezza pubblica della crescente importanza delle allergie e di altre malattie respiratorie ha portato a un maggiore sforzo scientifico per monitorare e prevedere in modo accurato e rapido polline, spore fungine e altri bioaerosol nella nostra atmosfera. Un altro fattore che sta portando a un crescente interesse sul tema è la consapevolezza che i cambiamenti climatici avranno sempre più un impatto sulle distribuzioni mondiali di bioaerosol e sulla successiva salute umana. I risultati di una ricerca su Scopus per pubblicazioni scientifiche condotta con i termini "allergia ai pollini" e "previsione sui pollini" mostrano che il numero di tali articoli pubblicati è in costante aumento (Manzano et al., 2020).
La maggior parte degli studi recenti evidenzia un aumento di frequenza dell'allergia ai pollini. Diverse osservazioni epidemiologiche e studi sperimentali hanno suggerito l'esistenza di un legame tra inquinamento atmosferico e allergie. Parallelamente all'aumento dell'asma e della rinite negli ultimi vent'anni, nello stesso periodo si è verificato un progressivo aumento delle concentrazioni atmosferiche di inquinanti come ossido di azoto, ozono e polvere inalabile, in particolare legati al traffico veicolare.
Inoltre, numerosi dati sperimentali mostrano che le polveri respirabili possono aderire alla superficie del polline e che inquinanti quali diossido di zolfo, composti organici volatili, diossido di azoto vengono assorbiti dalle particelle e dall'agglomerato sulla superficie dei granuli di polline causando la pre-attivazione con rilascio dei loro allergeni.
A livello nazionale ed europeo non c’è obbligo di monitorare lo stato dei pollini, mentre l'Europa ha compiuto progressi nella lotta alle emissioni di alcuni inquinanti atmosferici. Ad esempio, le emissioni di anidride solforosa sono state ridotte in modo significativo negli ultimi anni grazie alla legislazione dell'UE che richiede l'uso della tecnologia di lavaggio delle emissioni e un minor contenuto di zolfo nei carburanti.
Tuttavia molti studi hanno dimostrato che l'inquinamento atmosferico causato dalle emissioni antropogeniche nell'atmosfera e il rilascio stagionale dei pollini allergenici stanno progressivamente influenzando la salute delle persone che vivono nelle aree urbane e possono causare gravi reazioni allergiche, in particolare quando l'inquinamento atmosferico si combina con picchi di allergeni da polline.
Una corretta valutazione della qualità dell’aria non può quindi prescindere dalla constatazione che gli esseri umani sono esposti a una complessa miscela di sostanze biologiche e abiologiche che sono emesse da varie fonti e soggette a processi atmosferici che possono creare nuovi inquinanti, con effetti potenzialmente gravi sulla salute.
In questo rapporto ISPRA sui principali pollini allergenici in Italia, sono state analizzate serie di dati di concentrazione dal 2010 al 2019 di otto taxa (sette famiglie botaniche e la spora Alternaria) accumunati da una rilevante importanza per la salute umana. Dalla rappresentazione dei valori dell’Integrale Pollinico Allergenico per il 2019, si può notare quanto il fenomeno pollini aerodispersi sia poco uniforme sul territorio nazionale anche se si possono individuare alcune zone come l’arco alpino o il bacino padano, accomunate da caratteristiche geografiche, in cui si registrano livelli paragonabili di granuli pollinici aerodispersi. Nel 2019 il valore massimo dell’Integrale Pollinico Allergenico è stato registrato a Firenze e il minimo a Genova.
L’analisi statistica, condotta con il metodo di Mann-Kendall corretto per la stagionalità, sugli otto taxa esaminati, ha permesso di evidenziare che nella maggior parte dei casi le stazioni ubicate nel territorio di una stessa provincia mostrano un trend coerente tra loro, supportando l’ipotesi che il trend non sia dovuto a situazioni locali, ma possa essere indicativo di una tendenza generale, nel territorio in esame. Questi risultati si offrono come strumenti integrativi per una più completa la valutazione della qualità dell’aria e dei suoi effetti sulla salute umana su scala nazionale.
BIBLIOGRAFIA
Anttila P, Tuovinen JP. Trends of primary and secondary pollutant concentrations in Finland in 1994-2007. Atmospheric Environment, 2010, (44), 30-41.
APG, (2003). An update of the Angiosperm Phylogeny Group classification for the orders and families of flowering plants: APG II. Botanical Journal of the Linnean Society 141, 399-402.
APG, (2016). An update of the Angiosperm Phylogeny Group classification for the orders and families of flowering plants: APG IV. Botanical Journal of the Linnean Society 181, 2-3.
Bartolucci F., Peruzzi L., Galasso G., Albano A., Alessandrini A., Ardenghi N. M. G., Astuti G., Bacchetta G., Ballelli S., Banfi E., Barberis G., Bernardo L., Bouvet D., Bovio M., Cecchi L., Di Pietro R., Domina G., Fascetti S., Fenu G., Festi F., Foggi B., Gallo L., Gottschlich G., Gubellini L., Iamonico D., Iberite M., Jiménez-Mejías P., Lattanzi E., Marchetti D., Martinetto E., Masin R. R., Medagli P., Passalacqua N. G., Peccenini S., Pennesi R., Pierini B., Poldini L., Prosser F., Raimondo F. M., Roma-Marzio F., Rosati L., Santangelo A., Scoppola A., Scortegagna S., Selvaggi A., Selvi F., Soldano A., Stinca A., Wagensommer R. P., Wilhalm T.& F. Conti (2018) An updated checklist of the vascular flora native to Italy, Plant Biosystems - An International Journal Dealing with all Aspects of Plant Biology, 152:2, 179-303
Carslaw, D.C. and K. Ropkins, “Openair — an R package for air quality data analysis”. Environmental Modelling & Software., 2012, (27-28), 52-61.
Cattani, G., Di Menno di Bucchianico, A., Dina, D., Inglessis, M., Notaro, C., Settimo, G., Viviano, G., Marconi, A. “Evaluation of the temporal variation of air quality in Rome, Italy from 1999 to 2008”. Ann Ist Super Sanità, 2010, (46) 242-253.
Conti F, Abbate G, Alessandrini A & Blasi C (eds.) (2005) An annotated checklist of the Italian vascular flora. Palombi Editori, Roma.
Cortes, D.R., Hites, R.A., Detection of Statistically Significant Trends in Atmospheric Concentrations of Semivolatile Compounds, Environmental Science Technology 2000, 34, 13, 2826–2829
D’Amato G., Cecchi L., Bonini S., Nunes C., Annesi Maesano I., Behrendt H., Liccardi G., Popov T., van Cauwenberge P., 2007. Allergenic pollen and pollen allergy in Europe. Allergy 62, 976–990. Di Menno di Bucchianico A., Brighetti M.A., Cattani G., Costa C., Cusano M, De Gironimo V., Froio F., Gaddi R., Pelosi S., Sfika I., Travaglini A., Tripodi S., 2018. Combined effects of air pollution and
allergens in the city of Rome. Urban Forestry & Urban Greening,
https://doi.org/10.1016/j.ufug.2018.04.001
EEA, 2012.Air quality in Europe – 2012 report. EEA report 4/2012.
EEA - European Environment Agency, 2019. The European environment - state and outlook 2020. Eskridge, R.E. “Separating different scales of motion in time series of meteorological variables”, Bulletin of American Meteorological Society, 1997, (78) 1473–1483.
Gupta, I., Kumar, R. “Trends of particulate matter in four cities in India”. Atmospheric Environment, 2006, (40), 2552–2566.
Hess A. , Iyera H, MalmbGardner W., Linear trend analysis: a comparison of methods 2000 Atmospheric Environment 35 (2001) 5211–5222
Hirsch, R.M., and Slack, L.R. “A nonparametric trend test for seasonal data with serial dependence”. Water Resources Research, 1984, (20), 727-732.
Hoogerbrugge R, Denier van der Gon HAC, Van Zanten MC, Matthijesen J. Trends in particulate matter, Bihlthoven, Netherlands research program on particulate matter, report 500099014 (2010). Jäger S., Nilsson S., Berggren B., Pessi A.M., Helander M. e Ramfjord H., 1996. Trends of some airborne tree pollen in the Nordic countries and Austria, 1980-1993. A comparison between Stockholm, Trondheim, Turku and Vienna. Grana, 35: 171-178.
Kendall, M. A New Measure of Rank Correlation, Biometrika, 1938, 30 (1–2): 81–89.
Legge 28 giugno 2016, n. 132, “Istituzione del Sistema nazionale a rete per la protezione dell'ambiente e disciplina dell'Istituto superiore per la protezione e la ricerca ambientale”. Pubblicata in GU Serie Generale n.166 del 18/07/2016.
Mann, H.B. Non-parametric test against trend. Econometrica, 1945, (13) 245-259.
Manzano J. M. M., Smith M., Markey E., Clancy J. H., Sodeau J., O´Connor d. J. (2020) Recent developments in monitoring and modelling airborne pollen, a review, Grana, DOI: 10.1080/00173134.2020.1769176
McLeod, A.I. Trend analysis methodology for water quality time series. Environmetrics, 1991, (2) 169–200.
Pignatti S., Flora d’Italia, Edagricole (1982).
Rao, S.T., Zurbenko, I.G. Detecting and tracking changes in ozone air quality. Journal of Air and
Waste Management Association, 1994, (44) 1089–1092.
R Development Core Team (2008). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL
http://www.R-project.org.
Roma-Marzio F., Najar B., Alessandri J., Pistelli L., Peruzzi L., 2017 Taxonomy of prickly juniper (Juniperus oxycedrus group): A phytochemical–morphometric combined approach at the contact zone of two cryptospecies, Phytochemistry, Volume 141, 2017, Pages 48-60,
ISSN 0031-9422, https://doi.org/10.1016/j.phytochem.2017.05.008.
Sen, P.K., 1968. Estimates of the regression coefficient based on Kendalls tau. Journal of the American Statistical Association63, 1379–1389
Theil, H., 1950. A rank-invariant method of linear and polynomial regression analysis, 1, 2, and 3. Ned. Akad. Wetchsh. Proceedings, Vol. 53, pp. 386–392, 521–525, 1397–1412.
Travaglini, A., Brighetti, M.A., Arsieni, A., Vinciguerra, F., (2014). Atlante del polline delle principali specie allergeniche d’Italia. (Lecce: Il Raggio Verde).
SITOGRAFIA
Aerobiology Lab at The University of Tulsa, http://pollen.utulsa.edu/Spores/Alternaria.html. APG, http://www.mobot.org/MOBOT/research/APweb/top/introductionnew.htm#Warning.
Centro di monitoraggio aerobiologico e ambientale dell’Università di Roma Tor Vergata, http://polline.uniroma2.it/.
Chiave identificazione Ambrosia in Europa http://internationalragweedsociety.org/smarter/wp-content/uploads/6AmbrosiaSpecies.pdf.
Flora delle Regioni di Italia, www.actaplantarum.org.
EPPO European and Mediterranean Plant Protection Organization https://gd.eppo.int. POLLnet, http://www.pollnet.it.